Как повысить точность

Cпособы улучшить качество распознавания речи.

Несколько простых способов повысить качество транскрибации от Nexara API.

Качество аудио

Чем чище исходный звук, тем точнее результат.

Хороший микрофон

Записывайте на качественный микрофон, ближе к говорящему, в тихом помещении.

Без нейросетевой обработки

Отключайте нейросетевое шумоподавление и «улучшение» голоса на устройстве. Такая обработка искажает речь и ухудшает распознавание. Модели нужен естественный, необработанный звук.

Нейросетевые фильтры шума и «умное» улучшение звука вредят точности сильнее, чем сам шум. Отправляйте аудио как есть, без предварительной обработки.

Указывайте число говорящих при диаризации

Если вы заранее знаете, сколько человек в записи, передайте num_speakers при диаризации (task=diarize). Это избавляет модель от необходимости угадывать количество говорящих и делает разделение точнее.

curl https://api.nexara.ru/v1/audio/transcriptions \
  -H "Authorization: Bearer nx-XXXXXXXXXXXXXXXXXXXXXXXX" \
  -F "file=@meeting.mp3" \
  -F "model=whisper-1" \
  -F "task=diarize" \
  -F "num_speakers=2"

Указывайте num_speakers, только если уверены в числе говорящих. Если не уверены — не передавайте параметр, и модель определит их количество автоматически.

Передавайте `diarization_setting`

diarization_setting — это настройка для модели диаризации, у нее есть два пресета — general и telephonic. telephonic лучше подходит для телефонных звонков, и в случаях, когда спикеры часто перебивают друг друга. Для всех остальных случаев general показывает более высокую точность. По умолчанию стоит general.